פיתוח מערכת AI לזיהוי מזיקים בגידולים חקלאיים

זיהוי מזיקים בשדה: היכן נשבר הסריקה הידנית

סריקה רציפה של חלקה בשטח של כמה מאות הקטרים אינה אפשרית: אגרונום הולך במסלול ובודק מדגם של נקודות — באלכסון השדה, סופר מזיקים על צמחים במסגרת קבועה. סריקה ידנית כזו של שדות נותנת תמונת מצב ליום מסוים, אבל צפיפות הדגימה נמוכה בסדרי גודל מהשטח, והחרקים בשדה מפוזרים באופן לא אחיד.

מוקד הנגיעה הוא תמיד כתם מקומי: שקע, שולי השדה, אזור ליד שורת עצים או שדה חרוש מהשנה שעברה. ההסתברות שהמסלול יעבור בדיוק דרכו אינה גבוהה, ומלכודות פרומון לוכדות מעוף של פרטים בוגרים וכמעט לא מראות היכן כבר ניזונה הזחל.

בין שתי סריקות עוברים משבוע עד שבועיים. בזמן הזה המזיק מספיק להעמיד דור, והכתם מתרחב פי כמה, וחלק מהמינים עוברים לעומק — לצד התחתון של העלה, לתוך הגבעול, אל צוואר השורש, שם בקרה חזותית לפי עלה כבר לא נותנת דבר.

מכאן זיהוי מאוחר של המזיק עם המשמעות שלו: ההחלטה מתקבלת לא לפי המוקד אלא לפי כל השדה, הטיפול נעשה לפי שטח, והפסדים ביבול נספרים רק אחרי שהנזקים הפכו לבלתי הפיכים וסף הנזיקות נחצה בפער.

נפרט איך זה נסגר — איך נבנית סקירה סדירה של כל השטח, ולמה אפשר לקבל החלטה לפי מוקד לפני שההפסדים נהיים גלויים.

אפקט מדיד: מהירות סריקה, כיסוי שדות, התראה מוקדמת

בעבר הסקר נשען על המסלול של האגרונום: ביום סוגרים נקודות דגימה על כמה הקטרים, וההחלטה "לטפל או לחכות" מתקבלת לפיהן. זיהוי מזיקים משנה שלושה דברים: את חלק השטח שנבדק, את הזמן מהופעת המוקד ועד לאות, ואת מערך הכשלים שמפסיקים לקרות.

כיסוי שדות, מהירות סריקה וסדירות

מעוף לפי רשת עם חפיפת פריימים סוגר את כל המתאר במעוף אחד: השטח הנבדק גדל מיחידות דגימה בודדות באחוזים לכיסוי מלא, ולא בזכות כך שהאגרונום הולך מהר יותר.

לאחר מכן התמונות מעובדות באצווה — המודל מסמן מוקדים, הקואורדינטות נאספות למפת מוקדים לפי ריבועים, ולפיה רואים לא רק "איפה" אלא גם איך הכתם גדל מביקור לביקור.

הסדירות נשמרת לפי לוח זמנים: פעם בשבוע בשלב מעוף פעיל, לעתים רחוקות יותר — מחוצה לו, בלי תכנון מחדש ידני של המסלול.

התראה מוקדמת וזמן תגובה

האות מגיע באותו יום: הזמן מהופעת המוקד ועד להתראה מתקצר משבועות — עד שהמזיק נראה בעיניים — לשעות, עד שהכתם תופס יחידות של ריבועים. סף הביטחון של המודל מכוון לפי הגידול: במקום מסוים משתלם לתפוס התראת שווא ולבדוק שוב, ובמקום אחר חשוב יותר לא לפספס.

מוסר מערך שלם של כשלים — עייפות וסובייקטיביות של הבודק, החמצת אזורי שוליים, קריאה שונה של אותו סימפטום בידי שני מומחים. את דיוק הזיהוי אנחנו שומרים על תצפיות מאומתות מ-iNaturalist, ומשלימים את המדגם בפריימים שלנו מהשדות, ולכן המודל לא "שוחה" בזן חדש או ברקע חדש.

שיטות זיהוי מזיקים: השוואת גישות

שיטת הניטור נבחרת לא לפי דיוק המודל, אלא לפי איזה אות צריך ובאיזו תדירות. זיהוי מזיקים לפי תמונות עובד רק כאשר הסימן ניתן להבחנה בפריים, ולכן השאלה המרכזית אינה האלגוריתם אלא פלטפורמת הצילום והתדירות שלו.

מה מצלמים ובאיזו תדירות

היכן כל שיטה מפסידה

אף אפשרות לא סוגרת את כל השטח, והן מפסידות בדרכים שונות. ניטור רציף תופס את רגע תחילת ההתפרצות, אבל נותן תמונה נקודתית על כמה צמחים; מעוף בונה מפת התפשטות, אבל מפספס שינויים מהירים בין טיסות; סריקה מדגמית מדויקת לפי מין, אבל לא מתרחבת לשטחים גדולים.

לכן משלבים מקורות: מלכודות מרימות התראה, מעוף מדייק גבולות, סריקה מאשרת את המין לפני טיפול. קו הזיהוי נשאר אחד — משתנה פורמט הפריימים והתדירות שבה הם מגיעים, ומזה תלוי אילו שיטות מתחברות זו לזו בלי לבנות מחדש את המערכת.

איך אנחנו מטמיעים את המערכת: שלבי עבודת ההנדסה

העבודה מתנהלת בסדר קבוע: כל שלב מפיק ארטיפקט שנבדק לפני המעבר לשלב הבא. סקר שדות שהוחמץ הופך לסכמת ניטור "ממוצעת על פני כולם" — והמודל טועה בביטחון בגידול מסוים.

1. סקר שדות. יציאה לחלקות: מפת גידולים ומחזור זרעים, היסטוריית טיפולים, אזורי התפרצויות קודמות. בפלט — רשימת מזיקים לפי שלבי התפתחות, ולא משאלה "אנחנו רוצים זיהוי".
2. סכמת ניטור. בוחרים מקורות תמונה — מצלמות על כלים, מעוף רחפן, מלכודות נייחות. קובעים את תדירות הצילום, זווית הצילום ואת הצמדת הפריים לקואורדינטות, כדי שהאות יגיע בדיוק עד לשורה.
3. איסוף ותיוג תמונות. דרושים פריימים בתאורה שונה ובשלבי גדילה שונים. פריימים שנויים במחלוקת מתויגים בידי שניים, ומחלוקות נבדקות: אחרת הרעש עובר ישר לאימון.
4. אימון וכיול ספי הפעלה. את הסף בוחרים לפי השלכות הטעות, ולא לפי מספר יפה: החמצת מוקד חמורה יותר מיציאה מיותרת, ולכן מאזנים בין שלמות לדיוק לפי הנהלים של האגרונום.
5. בדיקה בחלקות בקרה. בודקים בשדות שלא השתתפו באימון — גידול אחר, מזג אוויר אחר, טכניקת צילום אחרת.
6. מסירה והדרכת אגרונומים. נהלי סריקה, תגובה לאות, ניתוח התראות שווא. בלי זה אפילו מודל מדויק נשאר ללא שימוש.

איך אנחנו בודקים איכות

הקבלה נעשית לפי חלקות בקרה: שיעור המוקדים שהוחמצו, מספר התראות השווא להקטר, חזרתיות בין צילומים. בנפרד בודקים ירידת ביצועים — איך המערכת מתנהגת בשינוי תאורה או בגידול חדש, כדי שהכשל יהיה נשלט ולא פתאומי.

ערכת מסירה: מודלים, סכמות, נהלים והרשאות

אנחנו מחשיבים את המערכת כמסורה לא ברגע שהמודל הראה את הדיוק הנדרש על מדגם בדיקה, אלא כשהמשק מפעיל אותה בלעדינו. לכן ערכת המסירה היא לא רק מודל מאומן, אלא כל מה שדרוש לאגרונום, למהנדס ולשירות הגנת הצומח לעבודה יומיומית.

החלק הטכני

• מודל לזיהוי מזיקים, שעבר אימון נוסף על תמונות של שדות מסוימים: ספי ההפעלה וסוגי המזיקים שנפוצים במשק קבועים.
• סכמת פריסה של מצלמות ומלכודות: הצמדה למפת השדות, גובה וזווית התקנה, אזורי חפיפה — התקנה חוזרת במתאר חדש אורכת שעות, לא שבועות.
• הרשאות גישה לפאנל: תפקידי אגרונום, מהנדס ומנהל, הפרדה לפי חלקות, יומן פעולות ומפתחות החלפה עם מערכת החשבונאות של המשק.
• מודול לייצוא תצפיות ולצבירת תמונות לאימון נוסף, עם נוהל גיבוי.

תיעוד ונהלים

• נוהל טיפול באותות: למי ובכמה זמן נשלחת התראה, איך מאשרים הפעלה, ובאיזה סדר מתבצעת הסלמה.
• הנחיות לאגרונום: איך לקרוא סיכום לפי שדה, לאשר או לדחות הפעלה ולסמן התראות שווא.
• דרכון מודל: על איזה נתונים אומן, מהם גבולות התחולה ובאילו סימנים נדרש כיול מחדש.
• פרוטוקול מסירה עם יומן קבלה: מה נבדק ובאילו שדות, מי אחראי על התפעול.

הערכה נמסרת במצב עבודה: הרשאות מונפקות לעובדים האחראים, והתיעוד כתוב עם דוגמאות מהשדות שלכם. תארו את המשימה — נחזור עם הערכה ותוכנית מסירה.

מקרה בוחן: איך הפחתנו הפסדי יבול בחלקות ניסוי

לפני הפרויקט המשק סקר את חלקות הניסוי ידנית: האגרונום תיעד מוקדים ביומן, וסריקה מלאה ארכה כמה ימים. בממוצע נמצאו כ-60% מהמוקדים, והשאר התגלו כבר בשלב שבו המזיק עבר לשורות הסמוכות. מהאות הראשון ועד הטיפול עברו בין חמישה לשבעה ימים.

בנינו קו עבודה: צילום חלקות, תיוג תמונות בידי האגרונום, אימון נוסף של המודל בכל מחזור ומפת מוקדים עם קואורדינטות שעוברת לצוות. המודל מחזיר הסתברות, וסף ההפעלה מכוון לפי הגידול ושלב הגדילה — זה מסיר אותות שווא על עלים יבשים וצללים. האימון נעשה על סטק פתוח PyTorch, המשקלים והקוד נשארים אצל הלקוח.

באותן חלקות שיעור המוקדים שהתגלו עלה מעל 90%, זמן התגובה התקצר ליממה, ושטח הנגיעה החוזרת — ל-8% לעומת רבע שדה קודם לכן. חלק מהשדות נשארו חלקת בקרה עם סכמת הסריקה הישנה: שם המספרים לא השתנו, וזה איפשר להפריד בין אפקט המודל לבין עונת מזג האוויר.

גבולות התחולה של המקרה

המקרה לא עובר למשק אחר בלי כיול. התוצאה התקבלה בגידול אחד ובעונה אחת: במזיקים אחרים ובתאורה אחרת יהיה צורך לאמת את הדיוק מחדש, ומוקדים בצל ובשולי השדה מזוהים פחות טוב. המודל לא מחליף את האגרונום — הוא מראה לאן להסתכל, וההחלטה על טיפול נשארת בידי המומחה.

מה לעשות אם חלק מהשדות כבר מכוסה במצלמות ובחיישנים?

מה שכבר מותקן בשדה כמעט תמיד אפשר להשתמש בו: תומכות, חשמל, ערוץ תקשורת והמצלמות עצמן מנוצלים מחדש בלי החלפה. הבעיה היא שמצלמות סקירה הותקנו למשימות אחרות — בקרת היקף, מעקב כלים — ולפי זווית הכיסוי, גובה התלייה והתאורה הן מתאימות לזיהוי מזיקים רק באופן חלקי. מלאי נותן שתי תשובות: איזה חלק מהשטח המצלמה מכסה באיכות שמספיקה לזיהוי, והיכן נשארים שטחים מתים.

מצלמות וחיישנים מכסים חצאים שונים של המשימה. המצלמה מתעדת את העובדה וממקמת את המוקד, וחיישני לחות, טמפרטורה ומלכודות פרומון נותנים הקשר שלפיו המודל מבדיל בין רקע עונתי לבין התפרצות.

החיבור עובד לפי שילוב זמן וקואורדינטה: הפעלה בודדת בלי אישור חיישן נכנסת לתור לבדיקה, ולא להתראה לאגרונום.

כיסוי חלקי של השדות אינו סיבה לדחות את ההפעלה. המערכת עובדת בחלקות שבהן ביטחון המודל גבוה מהסף שנקבע, ואת השאר מכסות סריקות מסלול לפי לוח זמנים. גבול השליטה מזיזים בהדרגה: ככל שמוסיפים ציוד, השטח תחת ניטור אוטומטי גדל בלי לשנות את הלוגיקה ובלי תיוג חוזר.

הפעלת ניסוי נעשית בחלקה אחת: לוקחים ארכיון שכבר נצבר, מתייגים אותו ומאמנים את המודל מחדש לגידול ולמזיק מסוימים. תוך כמה שבועות רואים את הדיוק ואת שיעור התראות השווא בתנאי שדה אמיתיים — אחרי זה ההרחבה לשאר החלקות נעשית בסיכון מובן, לא בעיוורון.

בדרך כלל צריך להשלים מעט: מצלמות נקודתיות בשטחים מתים, תחנת מטאורולוגיה והצמדה גאוגרפית נכונה של התמונות.

ספקות טכניים: דיוק, התראות שווא, מזג אוויר

הדיוק של המודל הוא לא מספר אחד, אלא מערכת של מצבים: בקבלה סופרים בנפרד הפעלות נכונות לפי כל מזיק, החמצות והתראות שווא שגורמות ליציאת אגרונום. נקודת ייחוס — תקני הסקר הפיטוסניטרי EPPO.

מה קורה בצילום בערפל ובלילה?

בערפל הערוץ הנראה מאבד ניגודיות — עובדים יחד עם תאורת אינפרה-אדום ומדדים ספקטרליים. בלילה חלק מהמזיקים נראים פחות טוב באינפרה-אדום, ולהם הוגדרו מחלקות נפרדות. בערפל כבד המערכת עונה "לא ודאי" ומציעה לצלם מחדש.

איך מתמודדים עם התראות שווא?

המזהה מוצא מועמדים, מסווג שני מאשר אותם על פרגמנט מוגדל, ורק אחר כך נשלחת התראה. את הסף בוחרים לפי השלכות הטעות במשק: במקום מסוים החמצה חמורה יותר, ובמקום אחר יציאה מיותרת. הספים מכוילים לפי אישורי האגרונום.

מה עושים בלי קישוריות יציבה?

הזיהוי מתבצע ישירות במכשיר: הפריים מעובד במקום, לשרת נשלחים מטא-נתונים ופריימים שנויים במחלוקת. התוצאות נצברות במאגר מקומי ומסתנכרנות כשמופיעה רשת — הסריקה לא תלויה בכיסוי.

נדון במשימה: נתאים סכמה לגידולים ולשדות שלכם

כדי לחזור עם הערכה ותוכנית עבודה, ולא עם רעיונות כלליים, אנחנו צריכים מינימום של נתוני מקור על המשק. הפעלת ניסוי בחלקה אחת בדרך כלל נכנסת לשתיים-ארבעה שבועות — המועד תלוי ישירות בכמה מלאים החומרים על השדות והאם יש כבר פריימים שצולמו ותויגו.

מה לשלוח להערכה:

• מפת שדות: גבולות חלקות, שטחים, סכמת מחזור זרעים ופילוח לפי גידולים.
• רשימת גידולים ופנופאזות שבהן חשוב לתפוס את המזיק — מהנביטה ועד מילוי התבואה.
• מה כבר מותקן בחלקה: מצלמות נייחות, רחפנים, תחנת מטאורולוגיה, טלמטריית כלים — והאם יש גישה לארכיונים.
• תמונות ופריימים מהעונה האחרונה, כולל כאלה שבהם הנגיעה אושרה, וחלקות בקרה נקיות.
• יומן טיפולים: תאריכים, חלקות, במה טיפלו — כדי לקשר את אותות המערכת לתוצאות בפועל.
• מי במקום מקבל את ההחלטה ובאיזה פורמט נוח לו לקבל אות: מפה, רשימת חלקות, התראה.
• מגבלות קישוריות, נוהל טיסות ודרישות לאחסון נתונים על שדות.

זה מספיק כדי להתאים סכמת צילום, להעריך את היקף התיוג ולנקוב במועדים להפעלת ניסוי בחלקה שלכם. אם חלק מהנתונים חסר — אמרו לנו: נדון במה להחליף, ולעתים קרובות מספיקות תצפיות קרקע של האגרונום מהעונה.

תארו את המשימה — גידולים, שטח, מה כבר עובד בשדות. נחזור עם הערכה, תוכנית עבודה וגבולות הפעלת הניסוי, ומכאן ההחלטה בידיים שלכם.